기본 음성 프롬프트를 능가한 호박
기존의 음성 비서는 사용자에게 좌절감을 줍니다. Alexa에게 주말 계획을 세워달라고 하면 "죄송합니다, 잘 모르겠습니다"라고 답하죠. 이러한 흔한 한계가 더 똑똑한 호박을 개발하게 된 계기가 되었습니다.
하지만 이 호박은 이해했습니다. "근처에 뭐가 있는지 확인해 볼까요?"라고 제안한 뒤 다음과 같이 추천했습니다:
- 펜 박물관(Pen Museum)의 살인 미스터리
- 잼 하우스(Jam House)의 라이브 음악
- 식물원(Botanical Gardens)의 사일런트 디스코
중요한 점은 제시된 제약 조건을 존중하여 "시내 중심가까지 갈 필요 없이 모두 동네 안에서" 해결할 수 있는 제안을 했다는 것입니다. 대신 할로윈 농담을 해달라고 요청하자 이렇게 답했습니다. "일주일 내내 문앞에 놓여 있던 호박을 뭐라고 부를까요? 약간 찌그러진(squash) 호박이죠."
유용한 업그레이드는 참신한 껍데기나 마법 같은 모델이 아닙니다. 빠른 로컬 입력과 뛰어난 클라우드 추론 능력을 결합한 voice pipeline입니다. 이 아키텍처는 Raspberry Pi에서 local speech-to-text (STT) 모델을 실행하여 지연 시간을 최소화하고, 복잡한 쿼리를 위해 원격 LLM(예: Gemini Flash, DeepSeek Flash)으로 전사를 보냅니다.
이러한 하이브리드 접근 방식을 통해 LLM은 웹 검색 및 지리적 위치와 같은 외부 도구에 액세스하여 고급 계획 및 상황 인식 응답을 가능하게 합니다. 그런 다음 시스템은 속도나 품질의 필요성에 따라 기기 내에서 또는 외부 고충실도 신경 음성 API를 통해 음성을 합성합니다.
얼굴 납땜하기—그리고 배선에서 살아남기
제작은 Raspberry Pi, 마이크, 스피커, 앰프 HAT으로 시작되었습니다. 두 개의 LED가 빛나는 호박 눈 역할을 했습니다. Perma-Proto 보드는 납땜 표면을 제공하여 Pi를 직접 수정하지 않도록 했습니다.
조립 전, 제작자는 초보자에게 필수적인 단계인 테스트 키트에서 납땜 연습을 했습니다. 초기 LED 배선이 가장 어려웠는데, 눈 하나당 두 개의 전선을 좁은 구멍 하나에 끼워 넣어야 해서 몇 시간 동안 섬세한 작업이 필요했고 전선이 끊어지기도 했습니다.
다음으로, 구성 요소들을 Perma-Proto board에 납땜했습니다:
- Raspberry Pi 연결을 위한 40핀
- 앰프를 위한 6핀 스트립
- 다양한 연결을 위한 8~9개의 추가 전선
문제를 방지하기 위해 multimeter로 연결 상태를 확인했습니다. 그런 다음 액티브 쿨러와 Perma-Proto 보드를 Raspberry Pi에 장착하고 플러그 앤 플레이 마이크와 스피커를 연결했습니다.
디버깅은 빠르게 진행되었습니다. 스피커가 작동하지 않았습니다. 조사 결과 Perma-Proto 보드의 납땜 불량 핀이 액티브 쿨러에 닿아 단락을 일으키고 있었습니다. 임시방편으로 카드 스페이서를 사용하여 문제를 해결했는데, 이상적이지는 않지만 기능적으로는 작동했습니다. 호박에 전원이 켜졌습니다.
가장 똑똑한 부분이 두 곳에 존재하는 이유
호박의 지능은 Pi에만 머물지 않았습니다. 아키텍처는 하이브리드 접근 방식을 매핑했습니다. "hey pumpkin"과 같은 웨이크 워드가 Raspberry Pi에서 로컬 음성 인식(STT)을 트리거합니다. 이 전사 내용은 추론을 위해 원격 Large Language Model (LLM)로 스트리밍되며, 응답은 로컬 또는 클라우드 서비스를 통해 다시 음성으로 변환됩니다.
이 분할 설계는 지연 시간과 성능의 균형을 맞췄습니다. parakeet과 같은 경량 모델을 사용하는 로컬 인식은 음성 처리를 기기 근처에서 유지하여 체감 지연 시간을 줄였습니다. Gemini나 DeepSeek Flash와 같은 강력한 LLM을 활용하는 클라우드 추론은 고급 모델과 웹 검색 및 지리적 위치와 같은 외부 도구에 대한 액세스를 제공했습니다.
중요한 점은 Pi가 대규모 추론 모델을 직접 실행하지 않았다는 것입니다. Pi의 역할은 초기 음성 캡처와 텍스트 음성 변환(TTS)으로 제한되었습니다. 복잡한 질문을 이해하고 정보에 입각한 답변을 생성하는 무거운 작업은 계산 자원이 풍부한 외부 장치에서 이루어졌습니다. 이러한 분산형 지능은 응답성과 깊이를 모두 보장했습니다. 이 빌드에 대한 자세한 내용은 Better Stack의 리소스를 확인하세요.
이 글이 마음에 드셨나요? 매일 아침 이런 글을 메일로 받아보세요.
하루 한 통 · 두 번의 클릭으로 구독 취소 · 제3자 추적 없음
더 나은 어시스턴트에게는 더 나은 모델 이상의 것이 필요합니다
도구 접근 권한은 음성 어시스턴트를 단순한 아이디어 생성기에서 실용적인 플래너로 변화시킵니다. 웹 검색과 실시간 위치 정보를 통합함으로써, 호박은 단순히 추상적인 개념을 브레인스토밍하는 대신 Pen Museum의 살인 미스터리나 Botanical Gardens의 사일런트 디스코와 같은 구체적이고 가까운 활동을 제안할 수 있습니다.
이벤트 목록, 영업 시간, 가격은 유동적이라는 점을 기억하세요. 호박의 제안은 기능의 시연일 뿐 보장된 일정은 아닙니다. 확정적인 계획을 세우기 전에 항상 세부 정보를 확인하세요.
진정으로 더 나은 어시스턴트는 기본 LLM 그 이상에 달려 있습니다. DIY 음성 어시스턴트를 평가하는 기준은 다음과 같습니다:
- 지연 시간(Latency)
- 유용한 컨텍스트 통합
- 사용자 개인정보 보호 선택
- 신뢰할 수 있는 하드웨어
이러한 전체적인 접근 방식이 우수한 경험을 정의합니다. 추가 탐색을 원하시면 Raspberry Pi documentation과 강력한 음성-텍스트 변환을 위한 OpenAI Whisper를 참조하세요.
자주 묻는 질문(FAQ)
AI 호박을 구동하는 하드웨어는 무엇인가요?
Raspberry Pi가 마이크, 스피커, 앰프 보드 및 납땜된 두 개의 LED 눈에 연결됩니다.
호박은 AI를 전적으로 Raspberry Pi에서 실행하나요?
아니요. 이 설계는 응답성을 위해 로컬 음성 처리를 사용한 다음, 추론과 도구 사용을 위해 필사된 요청을 원격 LLM으로 보냅니다.
호박은 지역 이벤트에 대한 질문에 어떻게 답할 수 있나요?
클라우드 모델은 웹 검색 및 위치 컨텍스트와 같은 외부 도구를 사용하여 관련 옵션을 찾을 수 있습니다.
초보자도 비슷한 음성 어시스턴트를 만들 수 있나요?
이 프로젝트는 준비, 납땜 연습, 세심한 배선을 통해 접근할 수 있지만, 초보자는 연결 상태를 확인하고 위험한 단락을 피해야 합니다.